掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
PYTHON金融大數據分析快速入門與案例詳解 版權信息
- ISBN：9787301355695
- 條形碼：9787301355695 ; 978-7-301-35569-5
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
PYTHON金融大數據分析快速入門與案例詳解 本書特色
掌握Python，從零到一速成金融分析高手！實戰案例深剖，讓數字說話，讓決策更精準！深入了解金融數據分析的具體過程和方法，提高實操能力。附贈書中案例源代碼。
PYTHON金融大數據分析快速入門與案例詳解 內容簡介
本書共分為11 章，全面介紹了以Python為工具的金融大數據的理論和實踐，特別是量化投資和交易領域的相關應用，并配有項目實戰案例。書中涵蓋的內容主要有Python概覽，結合金融場景演示Python的基本操作，金融數據的獲取及實戰，MySQL數據庫詳解及應用，Python在金融大數據分析方面的核心模塊詳解，金融分析及量化投資，Python量化交易，數據可視化Matplotlib，基于NumPy的股價統計分析實戰，基于Matplotlib的股票技術分析實戰，以及量化交易策略實戰案例等。 本書內容通俗易懂，案例豐富，實用性強，特別適合以下人群閱讀：金融行業的從業者、數據分析師、量化投資者、希望提高數據分析能力的投資者，以及對大數據分析感興趣的編程人員。另外，本書也適合作為相關培訓機構的教材。
PYTHON金融大數據分析快速入門與案例詳解 目錄
第1篇 Python金融大數據分析基礎篇
第1章 Python概覽
1.1 Python的優勢
1.2 搭建開發環境
1.2.1 對操作系統的要求
1.2.2 Windows 系統的優點
1.2.3 下載并安裝Python和PyCharm
1.2.4 Python在PyCharm里的配置
1.3 Django 框架的優勢
1.4 安裝和配置Django框架
1.5 小結
第2章 結合金融場景演示Python的基本操作
2.1 Python在金融領域的應用
2.1.1 Python在金融領域的應用背景和優勢
2.1.2 Python在金融領域的應用場景
2.1.3 Python在金融領域的挑戰與展望
2.2 金融領域常用的Python內置函數及示例
2.2.1 數學函數
2.2.2 數據處理函數
2.3 金融領域常用的Python的庫及其作用
2.4 小結
第3章 金融數據的獲取及實戰
3.1 數據的選擇與獲取
3.2 獲取新浪財經數據案例講解
3.2.1 新浪財經數據的重要作用
3.2.2 如何獲取新浪財經數據
3.3 獲取Wind數據并進行簡單的擇時分析
3.4 數據預處理
3.4.1 金融數據的特點
3.4.2 Python在金融數據預處理中的應用
3.4.3 Python在金融數據預處理中的示例分析
3.5 數據分析與挖掘
3.6 可視化展示
3.7 機器學習的應用
3.7.1 金融領域常用的機器學習算法
3.7.2 金融領域機器學習的應用案例
3.8 實戰案例：JQData數據的獲取及分析
3.8.1 計算漲跌幅
3.8.2 計算買入賣出信號
3.8.3 計算持倉收益率
3.9 小結
第4章 MySQL數據庫詳解及應用
4.1 MySQL 數據庫簡介
4.1.1 MySQL 的特點
4.1.2 MySQL的安裝與配置
4.2 MySQL 數據庫的基本操作
4.3 MySQL 數據庫操作詳解
4.3.1 執行SQL語句
4.3.2 關閉游標和連接
4.3.3 使用預處理語句
4.3.4 處理異常情況
4.4 實戰案例：Wind 金融數據在MySQL數據庫里的應用
4.5 小結
第5章 核心模塊詳解
5.1 NumPy模塊操作詳解
5.1.1 數組操作
5.1.2 矩陣運算
5.1.3 線性代數運算
5.1.4 隨機數生成
5.2 實戰案例：NumPy在金融場景中的應用
5.3 Pandas模塊操作詳解
5.3.1 Pandas的主要數據結構：Series和DataFrame
5.3.2 數據處理
5.3.3 數據可視化
5.4 實戰案例：Pandas 在金融場景中的應用
5.5 SciPy模塊操作詳解
5.6 實戰案例：SciPy在金融場景中的應用
5.7 小結
第2篇 Python金融大數據分析提高篇
第6章 金融分析及量化投資
6.1 金融分析
6.1.1 金融分析的方法
6.1.2 金融分析的目的
6.1.3 金融分析在投資決策中的重要性
6.2 量化投資
6.3 量化策略
6.3.1 雙均線策略及應用
6.3.2 因子選股策略及應用
6.3.3 動量策略及應用
6.4 小結
第7章 Python量化交易
7.1 量化交易數據獲取
7.2 Python基本面量化選股
7.3 Python量化擇時及應用
7.3.1 量化擇時策略
7.3.2 未來發展趨勢
7.4 量化策略回測實現
7.5 Python量化交易策略實戰案例
7.6 小結
第8章 數據可視化Matplotlib
8.1 Anaconda的安裝
8.2 配置Jupyter Notebook
8.3 配置Matplotlib
8.4 直方圖、條形圖、折線圖與餅圖的繪制及示例
8.5 散點圖、箱線圖的繪制及示例
8.6 極線圖、階梯圖的繪制及示例
8.7 圖標參數配置
8.8 堆積圖的繪制及示例
8.9 分塊圖的繪制及示例
8.10 氣泡圖的繪制及示例
8.11 結合金融場景的Matplotlib基礎案例
8.12 小結
第3篇 基 金礎融篇企業級項目實戰篇
第9章 基于NumPy的股價統計分析實戰
9.1 項目需求分析
9.2 數據獲取及處理
9.3 基于NumPy的股價均線實戰
9.4 基于NumPy的股票成交量統計分析
9.5 小結
第10章 基于Matplotlib的股票技術分析實戰
10.1 項目需求分析
10.2 數據獲取及處理
10.3 基于Matplotlib實現MACD
10.4 基于Matplotlib實現KDJ
10.5 基于Matplotlib繪制布林帶
10.6 小結
第11章 量化交易策略實戰案例
11.1 低估值量化交易策略實戰
11.2 大小盤輪動策略實戰
11.3 逆三因子量化交易策略實戰
11.4 小結
第1章 Python概覽
1.1 Python的優勢
1.2 搭建開發環境
1.2.1 對操作系統的要求
1.2.2 Windows 系統的優點
1.2.3 下載并安裝Python和PyCharm
1.2.4 Python在PyCharm里的配置
1.3 Django 框架的優勢
1.4 安裝和配置Django框架
1.5 小結
第2章 結合金融場景演示Python的基本操作
2.1 Python在金融領域的應用
2.1.1 Python在金融領域的應用背景和優勢
2.1.2 Python在金融領域的應用場景
2.1.3 Python在金融領域的挑戰與展望
2.2 金融領域常用的Python內置函數及示例
2.2.1 數學函數
2.2.2 數據處理函數
2.3 金融領域常用的Python的庫及其作用
2.4 小結
第3章 金融數據的獲取及實戰
3.1 數據的選擇與獲取
3.2 獲取新浪財經數據案例講解
3.2.1 新浪財經數據的重要作用
3.2.2 如何獲取新浪財經數據
3.3 獲取Wind數據并進行簡單的擇時分析
3.4 數據預處理
3.4.1 金融數據的特點
3.4.2 Python在金融數據預處理中的應用
3.4.3 Python在金融數據預處理中的示例分析
3.5 數據分析與挖掘
3.6 可視化展示
3.7 機器學習的應用
3.7.1 金融領域常用的機器學習算法
3.7.2 金融領域機器學習的應用案例
3.8 實戰案例：JQData數據的獲取及分析
3.8.1 計算漲跌幅
3.8.2 計算買入賣出信號
3.8.3 計算持倉收益率
3.9 小結
第4章 MySQL數據庫詳解及應用
4.1 MySQL 數據庫簡介
4.1.1 MySQL 的特點
4.1.2 MySQL的安裝與配置
4.2 MySQL 數據庫的基本操作
4.3 MySQL 數據庫操作詳解
4.3.1 執行SQL語句
4.3.2 關閉游標和連接
4.3.3 使用預處理語句
4.3.4 處理異常情況
4.4 實戰案例：Wind 金融數據在MySQL數據庫里的應用
4.5 小結
第5章 核心模塊詳解
5.1 NumPy模塊操作詳解
5.1.1 數組操作
5.1.2 矩陣運算
5.1.3 線性代數運算
5.1.4 隨機數生成
5.2 實戰案例：NumPy在金融場景中的應用
5.3 Pandas模塊操作詳解
5.3.1 Pandas的主要數據結構：Series和DataFrame
5.3.2 數據處理
5.3.3 數據可視化
5.4 實戰案例：Pandas 在金融場景中的應用
5.5 SciPy模塊操作詳解
5.6 實戰案例：SciPy在金融場景中的應用
5.7 小結
第2篇 Python金融大數據分析提高篇
第6章 金融分析及量化投資
6.1 金融分析
6.1.1 金融分析的方法
6.1.2 金融分析的目的
6.1.3 金融分析在投資決策中的重要性
6.2 量化投資
6.3 量化策略
6.3.1 雙均線策略及應用
6.3.2 因子選股策略及應用
6.3.3 動量策略及應用
6.4 小結
第7章 Python量化交易
7.1 量化交易數據獲取
7.2 Python基本面量化選股
7.3 Python量化擇時及應用
7.3.1 量化擇時策略
7.3.2 未來發展趨勢
7.4 量化策略回測實現
7.5 Python量化交易策略實戰案例
7.6 小結
第8章 數據可視化Matplotlib
8.1 Anaconda的安裝
8.2 配置Jupyter Notebook
8.3 配置Matplotlib
8.4 直方圖、條形圖、折線圖與餅圖的繪制及示例
8.5 散點圖、箱線圖的繪制及示例
8.6 極線圖、階梯圖的繪制及示例
8.7 圖標參數配置
8.8 堆積圖的繪制及示例
8.9 分塊圖的繪制及示例
8.10 氣泡圖的繪制及示例
8.11 結合金融場景的Matplotlib基礎案例
8.12 小結
第3篇 基 金礎融篇企業級項目實戰篇
第9章 基于NumPy的股價統計分析實戰
9.1 項目需求分析
9.2 數據獲取及處理
9.3 基于NumPy的股價均線實戰
9.4 基于NumPy的股票成交量統計分析
9.5 小結
第10章 基于Matplotlib的股票技術分析實戰
10.1 項目需求分析
10.2 數據獲取及處理
10.3 基于Matplotlib實現MACD
10.4 基于Matplotlib實現KDJ
10.5 基于Matplotlib繪制布林帶
10.6 小結
第11章 量化交易策略實戰案例
11.1 低估值量化交易策略實戰
11.2 大小盤輪動策略實戰
11.3 逆三因子量化交易策略實戰
11.4 小結
展開全部
PYTHON金融大數據分析快速入門與案例詳解 作者簡介
張穎
資深量化工程師，負責量化交易策略的開發、實現和優化。
曾經擔任過上海微京科技股份有限公司的量化工程師。現任上海清穎電子科技發展有限公司CEO。
編寫過《Python網絡爬蟲框架Scrapy從入門到精通》。
擁有豐富的金融行業經驗，對金融市場和量化交易有著深刻的理解和獨到的見解。
精通Python語言，善于利用數據分析、挖掘和建模技術，對量化交易策略有著深入的研究和實踐經驗。
書友推薦
- >
巴金－再思錄
- >
煙與鏡
- >
我與地壇
- >
經典常談
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
史學評論
- >
羅曼·羅蘭讀書隨筆-精裝
- >
唐代進士錄
本類暢銷
